斯潘8
斯潘4
收集点云数据集时,还为每个点收集了许多组件值。这可能包括颜色等信息,协调,高程,强度,和分类。尽管点云包含大量信息,有时候不需要全部拥有。只需处理一个大型数据集就可以分析其中的一种类型的特性,这不仅效率低下而且耗时。这个PointCloudSplitterTransformer可用于将点云中感兴趣的特征与其他点分离。
下面的示例演示如何在不同的场景中使用PointCloudSplitter。要进一步了解PointCloudSplitter,参观文档页.
收集点云数据时,一个激光点被发送到地球并反射回传感器。有时发送的一个激光脉冲会有多次返回。这些脉冲被计数并给出一个返回数。更多的反射面往往比不反射面有更多的返回。使用PointCloudSplitter,如何按返回分割点云有四个选项:返回,返回的数字,仅限首次返回,或仅最后一次返回。下面的步骤演示如何按返回分割点:
a.B.
C.d.
图像A在数据检查器中显示原始点云读取为LAS特征类型,而图像b,C.D先展示,第二个和第三个返回点。
如果您对一个或多个特性感兴趣,那么按类拆分点云非常有用。分类值根据标准ASPRS分类值进行分配。
因为这种类型的操作很常见,一名亚搏在线安全工作人员创建了一个简单的自定义转换器,名为点云类分类器使操作更加高效。它本质上是一个大型的测试过滤器,它被预先设置为知道要查找什么值。这意味着您不必像前一个示例中所做的那样手动添加和设置测试仪或测试滤波器变压器。使用此变压器的步骤如下:
a.B.
C.d.
图像A在数据检查器中显示原始点云读取为LAS特征类型,而图像B。显示分类为地面(2)的点,图像C显示分类为高植被(5)的点,和图像D。显示分类为建筑物(6)的点。
下一个例子更复杂,因为我们将使用两个PointCloudSplitter和一个正射影像为生成的点云提供额外的颜色。根据你的需要,你可能只对某类点感兴趣,也可能对强度等其他成分感兴趣,高程,颜色,等。对颜色的进一步处理有助于区分不同或焦点区域。为了了解如何做到这一点,遵循以下步骤:
a.B.
C.d.
图像A在数据检查器中显示原始点云读取为LAS特征类型,而图像B。显示地面分类点,Z值在0-5之间,这是通过使用两个点分云器变压器获得的。图像C显示同一区域的正射影像和图像D。显示地面分类点上颜色操作的结果。
要了解有关更改点云颜色的更多信息,请看我们的文章彩色和点云.
?2019安全亚搏在线软件公司|合法的